Modelizacion Y Simulación de La Innovación: August 2011

See discussions, stats, and author profiles for this publication at: https://www.researchgate.
net/publication/299995811
MODELIZACION Y SIMULACIÓN DE LA INNOVACIÓN
Chapter · August 2011
CITATIONS READS
0 50
3 authors, including:
Luis Carlos Torres Soler Sonia Esperanza Monroy

Universidad Autónoma de Colombia National University of Colombia
13 PUBLICATIONS 4 CITATIONS 22 PUBLICATIONS 25 CITATIONS
SEE PROFILE SEE PROFILE
Some of the authors of this publication are also working on these related projects:
Evaluación de Impacto exante de programas de i+d. El estudio de caso de la financiación otorgada por Colciencias en Malaria en el
programa de ciencia y tecnología de la salud View project
Creativity and complexity in the classroom View project
All content following this page was uploaded by Sonia Esperanza Monroy on 08 April 2016.
The user has requested enhancement of the downloaded file.

MODELIZACION Y
SIMULACIÓN DE LA
INNOVACIÓN
Luis Gerado Astaiza Amado28
Luis Carlos Torres Soler29
Sonta Esperanza Monroy Vareta30
Indudablemente el proceso de producción ha experimentado cambios sustanciales a

través del tiempo. En primer lugar, la producción era de tipo rural y artesanal, la cual
duró un periodo bastante largo. Posteriormente, encontramos la sociedad industrial
basada en la producción en serie con procesos optimizados y organizados según Taylor,
mediante la producción científica y perfeccionada por la ingeniería de métodos, tiempos
y movimientos. Finalmente, está la sociedad dirigida por el conocimiento la cual ha dado
lugar a cambios significativos en el desarrollo económico
Un ejemplo, es la nanotecnología entendida como ciencia que manipula átomos y
moléculas para hacer o construir cosas (o seres vivos). Según el Informe de Nanotech, entre
los primeros productos comercializados en 2004 con contenido nanotecnológico fueron
los siguientes: zapatos térmicos, colchones repeliendo el polvo y el sudor, implementos
de golf más flexibles y resistentes, cosméticos personalizados para diferentes edades,
razas, géneros, tipos de piel y actividades físicas, vendajes para cortes y quemaduras que
previenen las infecciones, productos de limpieza y desinfectantes para aviones, barcos
y submarinos, rocío que repele agua y mugre utilizado en la industria de construcción,
tratamiento para el vidrio con el fin de repeler agua, nieve e insectos, crema que combate
dolor muscular y adhesivos dentales que fijan mejor las coronas. La venta de artículos con
28 Ingeniero mecánico, Magister en Ingeniería de sistemas, Magister en Ingeniería Industrial e ivestigación de op
eraciones. Profesor titular en la Facultad de Ingeniería de la Universidad Nacional de Colombia. E-mail: lgastaizaa@bt.unal.
edu.co.
29 Matemático. Maestría en Ingeniería de sistemas. Maestría en Ciencias de la educación. Profesor asociado en la
Facultad de Ingeniería de la Universidad Nacional de Colombia. Docente-investigador. Coordinador del grupo de investigación
Complexus, categoría B Colciendas, E-mail: lctorress@gmall.com.
30 Ingeniera industrial, especialista en sistemas de información en la organización. Especialista en control orga-
nizacional y de gestión. Magister en administración. Profesor titular en la Facultad de Ingeniería de la Universidad Nacional
de Colombia. E-mail: soniamonroy@gmall.com.
Redes de innovación 102 L. G. A staiza - L. C. T orres - S. E. M onroy
en empresas
colombianas
nanopartículas superó la marca de $500 mil millones en 2010. Los beneficios potenciales
de la nanotecnología son imposibles de evaluar. En el campo de la salud, podría aumentar
la calidad y la longitud de la vida. Nanosensores incorporados en el organismo, drogas
diseñadas acorde a la genética del individuo, género, edad y dieta y el campo de las
prótesis son los campos más prometedores. En el campo de los materiales, una novedad
son las nanopartículas inteligentes. El guardarropa se puede reducir a un solo artículo,
pues éste puede reaccionar a cambios en: temperatura, lluvia, nieve, sol, entre otros,
manteniendo el cuerpo a la temperatura programada. Adicionalmente, puede repeler el
sudor y el polvo, detener las bacterias o los virus y actuar como elemento de primera ayuda
en caso de accidentes. La informática será una de las industrias afectadas más temprano y
disfrutará del cambio más revolucionario. Computadores más rápidos, pequeños, livianos
y adecuados, acorde a los deseos del cliente en términos de diseño, tamaño, forma, color,
aroma y resistencia. Prototipos con sensores incorporados podrán aumentar los diseños,
adaptando procesos de producción flexible. El modo de producción “justo a tiempo”
será obsoleto y puede llegar a ser un modo de producción “acorde a sus necesidades”.
Precisamente, la innovación -el motor de este cambio tecnológico- es en esencia el
proceso que depende de la acumulación y el desarrollo del conocimiento pertinente de
una amplia variedad. Desde empresas pequeñas hasta una web compleja de interacciones
entre una amplia variedad de empresas, asociaciones e instituciones desempeñan un
papel crucial en el desarrollo de innovaciones específicas.
Dadas las exigencias que hace el mundo globalizado, la innovación es un tema
que está despertando interés en la literatura sobre organizaciones debido a que es
una variable estratégica determinante para la obtención de ventajas competitivas en el
entorno complejo, turbulento e inestable característico de estos tiempos. La innovación
no consiste únicamente en la incorporación de tecnología, sino que va más allá, debe
ayudar a prever las necesidades y a detectar nuevos productos, procesos y servicios de
mejor calidad, generando prestaciones con el menor costo posible. La innovación es la
reacción ante los cambios que impone el mercado globalizado.
Para poder alcanzar una mayor productividad a través de la innovación se ha
producido un cambio radical en los modelos económicos y de gestión de las empresas,
anteriormente basados en la mano de obra y el capital, que han pasado, fundamentalmente
en la segunda mitad de los años noventa, a establecer como factores críticos: la tecnología,
el conocimiento, la formación y el capital intelectual, marcando la economía basada en el
conocimiento. Más aún, la economía basada en el conocimiento ya está pasando a ser la
economía dirigida por el conocimiento, de forma que sea ésta la herramienta fundamental
de gestión del conjunto de los procesos de la empresa. Ello implica gestionar de forma
eficiente una cantidad de información como jamás había conocido anteriormente la
sociedad [Saez Vacas, Fernando, 2003],
Es precisamente el hecho de tener información adecuada, en el momento preciso
y a disposición de las personas encargadas de la toma de decisiones lo que diferencia y
7. M odelización y simulación de la innovación 103 Redes de innovación
en empresas
colombianas
da ventajas a las empresas en el proceso de innovación. En particular, el gerente en su

trabajo diariamente para propósitos de innovación, se ve sometido a responder preguntas
tales como:
¿Qué recursos están disponibles para la innovación?
< ¿Cómo debe la firma asignar los recursos limitados a diferentes tipos de proyectos
de innovación en un mercado competitivo con miras a maximizar el desempeño?
< ¿Cómo lograr que la oportunidad de innovación se implemente?
< ¿Cómo evaluar las implicaciones de los procesos de innovación?
A ¿Cómo puede la compañía incrementar su capacidad de innovación?
A ¿Cómo desarrollar sistemas de innovación eficientes?
•s ¿Cómo evaluar los sistemas de innovación en cada uno de los niveles que se presenta:
empresarial, nacional e internacional?
A ¿Cuál es la mejor forma de implementar la innovación?
Para responder a estas preguntas, se puede recurrir al uso de técnicas formales, y a

la modelización con medios computacionales, las cuales desempeñan un papel cada vez
más importante para la concepción de teorías sobre sistemas complejos (redes, grupos,
organizaciones). Este enfoque está respaldado por dos razones. En primer lugar, el
reconocimiento creciente de que los procesos fundamentales son complejos, dinámicos,
viables de adaptación, y no lineales, y que el comportamiento del grupo surge de las
interacciones. En segundo lugar, el reconocimiento de que múltiples personas tienen
la necesidad de escudriñar y observar su ambiente, almacenar hechos y programas,
comunicarse entre ellos y con su ambiente, y transformar información para la toma de
decisiones [Baligh, Burton y Obel, 1990].
Es así como, la modelización y la simulación son instrumentos valiosos para
identificar y cuantificar los impactos de nuevas tecnologías en el desempeño humano y
organizacional. Las herramientas de modelización y la simulación si se aplican temprano
en el proceso de innovación, pueden ayudar a compensar aspectos humanos de desempeño
a través de procedimientos, a lograr un diseño mejorado, a plantear una legislación
adecuada, y a fomentar la transferencia de conocimiento y capacitación. Precisamente, el
presente artículo ha sido elaborado con la finalidad de mostrar la capacidad de modelizar
y simular bajo sus diferentes puntos de vista (sucesos discretos, dinámica de sistemas y
simulación basada en agentes) para ser utilizada en las diferentes etapas o en el ciclo de
la innovación. Para ello, se han consultado diversas referencias teóricas y modelos que
permiten vislumbrar este alcance en cada una de las etapas de la innovación o de los
varios tipos de innovación: social, organizacional, administrativa o técnica, incremental,
de producto o de proceso.
Adicionalmente, se presenta software y modelos desarrollados en éstos, los cuales
pueden ser adaptados a las necesidades específicas de modelización y simulación de las
innovaciones.
Redes de innovación 104 L. G . A staiza - L. C. T orres - S. E. M onroy
en empresas
colombianas
Innovación
De acuerdo con Fischer [2000: 1] la economía del mundo ha experimentado un
proceso de reestructuración profunda desde finales del siglo pasado. Tres desarrollos
han preparado el camino para este proceso. El primero es una revolución tecnológica,
centrado inicialmente en las telecomunicaciones y los microprocesadores, pero ahora,
extendiendo a la biología que ha creado nuevas industrias y cambiado los métodos que
muchas industrias establecidas emplean para la producción y distribución. El segundo ha
sido una revolución gerencial, inicialmente asociada con la difusión de técnicas japonesas
para el control de calidad, equipos de producción y relaciones con los proveedores, pero
ahora extendiendo a muchas formas innovadoras de la producción empleadas alrededor
del mundo inclusive individualización y diversificación crecientes de relaciones de
trabajo. El tercer desarrollo, reforzando los primeros dos, es la entronización del capital
acompañado de un descenso de la influencia de los sindicatos. Bajo estas condiciones
estados-naciones y regiones viven cada vez más bajo el estrés para mantener el espíritu
competitivo, y el bienestar económico.
A lo largo de décadas se ha definido la innovación de diversas formas, donde cada
autor enfatiza los aspectos que considera relevantes. La innovación a menudo asociada
con la creatividad, la suerte o un momento de inspiración es necesaria para mantener la
competitividad. Sin embargo, estos factores, aunque sean cruciales, son sólo unos pocos
elementos de un proceso mucho más amplio. Como indica uno de los expertos líderes en
el mundo, el profesor Peter Drucker: “La innovación no es un destello de ingenio. Es trabajo
duro". Verdaderamente, es fácil tener ideas, pero desarrollar buenas ideas es una tarea
mucho más dura. El desafío real estratégico que las compañías enfrentan es administrar
continuamente la generación de ideas buenas y convertirlas en productos y servicios que
tengan éxito en el mercado. Esto es lo que se comprende por el término “innovación”.
Drucker propone un concepto de innovación en amplio sentido. Afirma que:
LA INNOVACIÓN NO ES UN TÉRMINO TÉCNICO, SINO ECONÓMICO Y SOCIAL. Su CRITERIO NO ES LA
CIENCIA O LA TECNOLOGÍA, SINO UN CAMBIO EN EL ÁMBITO ECONÓMICO Y SOCIAL, UN CAMBIO EN
LA CONDUCTA DE LAS PERSONAS COMO CONSUMIDORES O PRODUCTORES, COMO CIUDADANOS, ETC.
LA INNOVACIÓN CREA UNA NUEVA RIQUEZA O UN NUEVO POTENCIAL DE ACCIÓN ANTES QUE UN
NUEVO CONOCIMIENTO.
Schumpeter, desde el punto de vista económico-empresarial, define la innovación

como una nueva combinación que surge en la esfera de la producción siendo el proceso
clave del cambio económico, puesto que incide rompiendo el estado estacionario,
dinamizando con los cambios discontinuos y cualitativos al sistema económico [Saez
Vacas, 2003: 1-7].
Innovar es utilizar el conocimiento, y generarlo si es necesario para crear productos,
servicios o procesos, que son nuevos para la empresa o mejoran los ya existentes,
consiguiendo con ello agregar valor para el consumidor.
en empresas
colombianas
La innovación es el valor agregado a través de aplicar ideas creativas a un problema

e implementar estas ideas en el mercado.
La innovación es el uso de nuevo conocimiento de ofrecer un nuevo producto o el
servicio que los clientes desean.
La innovación también es definida como la adopción de ideas que son nuevas para
la organización que la adopta: innovación = invención + comercialización.
Innovación tiene un contexto estratégico y competitivo en la empresa. Nuevo
conocimiento = tecnológico + mercado.
Tecnológico = el conocimiento acerca de componentes + uniones entre componentes
+ los métodos + procesos + técnicas y el know how.
Mercado = el conocimiento acerca de canales de distribución + aplicaciones de
producto + expectativas, preferencias, necesidades y deseos de los clientes.
La clave de éxito de la innovación está en la selección de los proyectos. Independiente
de la dimensión que tenga una empresa u organización -pyme, grande, multinacional-,
generar innovación siempre exige dedicar recursos a actividades diferentes a las del día a
día, es decir, dedicar tiempo a actividades que no generan ingresos a corto plazo.
Para el análisis y la selección de los proyectos de innovación a ejecutar, la empresa
básicamente, deberá analizar varios tipos de criterios a saber:
Cualitativos, que se refieren a cuestiones estratégicas de la empresa. Todo aquello
que se desarrolle deberá encajar con la estrategia de la empresa:
4. ¿Encaja el proyecto en la misión de la empresa?
< ¿Aporta valor a los clientes/mercados que hemos definido como objetivo?
¿Se adapta al perfil de la oferta de la empresa (por ejemplo, líder en producto, líder
en servicio al cliente, etc.)?
< Cuantitativos, cuyo objetivo es identificar el beneficio que el proyecto aporta a la
empresa:
¿Qué beneficios potenciales -cuantificables económicamente- aportará a la empresa
el desarrollo de este proyecto?
•< ¿Qué beneficios potenciales aportará a las diferentes áreas de la empresa (mayor
eficiencia operativa, mejor imagen de marca, etc., también cuantificables)?
Recursos, en los que deberá analizarse la disponibilidad de personas, con
conocimientos y tiempo para desarrollarlo/s, y económicas para financiarlo/s, junto con
la posibilidad de subcontratación de proveedores externos, etc.
Independiente del proceso del proyecto, en el proceso de innovación podemos
distinguir las siguientes etapas: invención, investigación y desarrollo, producción de la
innovación, difusión de la innovación y etapas del ciclo de vida del producto (tal como
obsolescencia y retiro).
La invención, empieza con una nueva idea, algo nuevo. Es caracterizado creando
algo que no existió anteriormente. Puede referirse a un producto, al proceso, al servicio,
o a alguna combinación de conceptos no conocidos previamente. Las invenciones
Redes de innovación 106 L. G. A staiza - L. C. T orres - S. E. M onuoy
en empresas
colombianas
cubren un continuo desde lo sencillo hasta lo complejo. Sin embargo, no todas las
invenciones son comercializadas. Una patente podría ser comercializada.
Investigación y desarrollo. Es el mecanismo generador de aquellas tecnologías y
conocimientos propios con los que la empresa pretende potenciar o desarrollar sus
productos, procesos y servicios.
La innovación, consistente en la aplicación comercial de una idea. Innovar es
convertir ideas en productos, procesos o servicios nuevos o mejorados que el mercado
valora. Se trata de un hecho fundamentalmente económico que incrementa la capacidad
de creación de riqueza de la empresa y, además, tiene fuertes implicaciones sociales.
La invención y la innovación implican la creatividad. Ellos requieren pensar
acerca de lo posible, acerca de lo que podría ser, acerca de hacer'cosas de forma distinta,
acerca de poner juntas diferentes combinaciones de lo que ya se conoce, y luego tener
la habilidad de agrupar todo junto. La invención y la innovación implican algún nivel
de descontento con el statu quo. La creatividad tiene poco que ver con títulos educativos
o conocimiento. En gran parte, depende de una predisposición y algunas características
personales innatas, no promoviendo el cambio, sino aceptándolo.
Difusión de la innovación. Acción de dar a conocer a la sociedad la utilidad de una
innovación. Introducción en el mercado de la innovación que permite que ésta se
disemine por el tejido empresarial generando cambio y progreso tecnológico.
Existen multitud de clasificaciones de tipos de innovación. Una es la propuesta
por [Sáez Vacas, 2003], quien hace una clasificación atendiendo a la naturaleza de la
innovación, basada en la de Patricio Morcillo [Benavides, 1998: 195] así:
innovación tecnológica: comprende los cambios en los productos y procesos, la cual
abarca innovación de producto e innovación de proceso.
Innovación de producto: se refiere a la introducción en el mercado de un producto
nuevo, que no tiene precedentes en el mercado, que cubre una necesidad no satisfecha
hasta entonces, o de mejoras en las características técnicas, de calidad, uso, etc., en
productos ya existentes, los cuales lo hacen diferente de éstos. Así, según el grado de
novedad se puede hablar de innovación radical o incremental.
Innovación de proceso: la innovación puede ser introducida en el proceso de
producción, a través de nuevos o mejorados sistemas de fabricación que utilizan nuevas
tecnologías.
Innovación social: trata de aportar soluciones nuevas a los problemas de desempleo
sin que con ello se modifique la eficiencia de la empresa.
Innovación en métodos de gestión: está compuesta por todas aquellas innovaciones
que no se pueden incluir en las dos categorías anteriores. Son innovaciones como las
realizadas en los ámbitos comerciales (nuevos mercados geográficos, nuevos segmentos de
mercado, cambios introducidos en la presentación y acondicionamiento de los productos),
financieros, organizativos, que acompañan y potencian la corriente innovadora de la
empresa.
en empresas
colombianas
De acuerdo con Gambardella [2006: 19] las ideas y las innovaciones creadoras
pueden venir de una variedad de fuentes internas tales como empleados o de I&.D.
También pueden venir de participantes relacionados con la industria tales como usuarios
principales, de alianzas, y de las organizaciones o las personas que usted emplea para
resolver los problemas o proporcionar las innovaciones.
Según Eric Von Hippel de 10 al 40% de usuarios ayuda a desarrollar o modificar
productos. Muchos de éstos son “usuarios principales”. Von Hippel define a usuarios
principales como esas personas o las organizaciones que:
■ Pueden anticipar tendencias de mercado porque ellos encaran las necesidades
con bastante anticipación (meses o años) de la capacidad del mercado para
satisfacerlas.
■ Pueden beneficiarse apreciablemente si sus necesidades son satisfechas.
Actualmente, ideas creadoras provienen de una recombinación de ideas existentes

y esta recombinación es facilitada no simplemente por pensamiento fuera de la caja sino
pensando en otras cajas (razonando por analogía). Las personas y las compañías que
facilitan esta recombinación son denominadas corredores de tecnología (o corredores de
conocimiento).
Figura 1. Proceso de innovación.
Fuente: Sáez Vacas, Fernando, 0 . García, J. Palao y P. Rojo. (2003), Innovación tecnológica en las empresas.
Las ideas creadoras también pueden venir de una aplicación de TRIZ, que es una sigla
rusa para la Teoría de la Resolución de problemas de Inventiva. La transferencia efectiva
de cualquier fuente es una función de: la naturaleza de la innovación, las diferencias
culturales entre receptor y transmisor, el tiempo de transferencia, las capacidades de
absorción y la transmisión del receptor y el transmisor y del sistema tecnológico nacional
e internacional. Entre las fuentes del conocimiento y las habilidades para la innovación
tenemos: fuentes externas de conocimiento, mecanismos de aprendizaje y creación del
conocimiento, aspectos económicos, aspectos tecnológicos y científicos, aspectos sociales
y aspectos políticos.
en empresas
colombianas
Dentro del proceso de innovación, la tecnología desempeña un papel fundamental,

y constituye una de las entradas al proceso, junto con la ciencia y la creatividad. Del
proceso de innovación, tal como se observa en la Figura 1 se obtienen unos resultados
que pueden transformarse, a su vez, en nuevas entradas en el caso de que estos últimos
encierren unas tecnologías que realimenten otro proceso de innovación.
Redes de innovación
Hay muchas definiciones de las redes de innovación [De Bresson y Amesse 1991;
Freeman, 1991], sin embargo, el ofrecido por [Tijssen, 1998: 792] capta la mayoría de las
características importantes del modo de red. El sugiere la definición de una red como:
U n s is t e m a d e d e p e n d e n c i a m u t u a e n e v o l u c ió n b a s a d a e n la s r e l a c io n e s d e l o s r e c u r s o s e n
LOS QUE SU CARÁCTER SISTÈMICO ES EL RESULTADO DE INTERACCIONES, PROCESOS, PROCEDIMIENTOS
E INSTITUCIONALIZAC1ÓN. ACTIVIDADES DENTRO DE TAL RED IMPLICAN LA CREACIÓN, COMBINACIÓN,
INTERCAMBIO, TRANSFORMACIÓN, ABSORCIÓN Y EXPLOTACIÓN DE LOS RECURSOS DENTRO DE UNA
AMPLIA GAMA DE RELACIONES FORMALES E INFORMALES.
En forma simple: una red es un conjunto de actores (personas, organizaciones)

que interactúan. Una red de innovación se puede definir como un conjunto de actores
(personas u organizaciones) que interactúan con el propósito de generar innovaciones.
Gilbert [2002] sugiere que algunas redes de innovación son “diseñadas” por los
participantes con el objetivo explícito de crear una estructura que aumentará el potencial
de innovación, pero muchas otras son creadas a través de acuerdos de cooperación
o relaciones proveedor-cliente, sin ninguna realización consciente de que el efecto es
formar una red. Las redes pueden ser grandes, con la participación de decenas de actores,
o pequeñas, con sólo unas pocas empresas o personas.
Fischer [2000] establece que en un modo de red de distribución de recursos,
las transacciones no se producen a través de intercambios discretos ni por decreto
administrativo, sino a través de redes de individuos o instituciones, comprometidas en
acciones recíprocas, preferenciales y de apoyo [Powell, 1990],
Así mismo, las redes muestran un rango considerable y variedad en el contenido,
que cambia según circunstancias específicas. En un extremo del espectro se encuentran
las relaciones altamente formalizadas. La estructura formal puede constar de reglamentos,
contratos y normas que enlazan los actores y las actividades con distintos grados de
restricción.
En el otro extremo están las relaciones de la red de carácter informal, sobre todo,
la vinculación de actores a través de cadenas abiertas. Estas relaciones son muy difíciles
de medir [Freeman, 1991]. Siempre que las transacciones entre empresas tienden a ser
de pequeña escala, variables e impredecibles en la naturaleza, que requieren un contacto
cara a cara, entonces la formación de la red se centrará en la proximidad de los socios
implicados [Storper, 1997].
en empresas
colombianas
Para las empresas, las redes representan una respuesta a circunstancias muy
específicas. Donde la complementariedad es un requisito previo para una innovación, los
acuerdos de red, pueden estar formados según determinados conocimientos tácitos de
propiedad específica. El intercambio de estos activos complementarios puede tener lugar
sólo a través de contactos muy estrechos y personalizados, y relaciones generalmente
localizadas [OCDE, 1992]. Es especialmente la confianza común la que establece un
entorno que facilita el intercambio de conocimiento [Maskell y Malmberg, 1999].
Cuando la tecnología se está moviendo rápidamente, la flexibilidad y reversibilidad
junto con el reparto de riesgos representan otra razón para preferir un modo de red.
El modo de red proporciona un grado mucho mayor de flexibilidad [OCDE, 1992].
Los acuerdos entre firmas son más fáciles de disolver que los desarrollos internos o las
fusiones.
Porter y Fuller [1986] insisten en la velocidad como una de las ventajas que las redes
tienen sobre adquisición o desarrollos internos a través de sus relaciones. Esta ventaja
es cada vez más importante ya que los ciclos de vida del producto se han acortado y
la competencia se ha intensificado. Alto costos de I + D puede ser otra razón distinta
para la creación de redes y puede forzar a la gestión, especialmente en empresas más
pequeñas, para compartir recursos con otras empresas, en algunos casos incluso con los
competidores [OCDE, 1992].
Las redes muestran una considerable gama y variedad de contenido, la cual difiere
de acuerdo con las circunstancias especificas. Su naturaleza está determinada por los
objetivos para los cuales se forman los vínculos de la red. Por ejemplo, puede centrarse
en un único punto de la I + D para el proceso de comercialización o puede cubrir
el proceso total de innovación. El contenido y la forma de una red también difieren
según la naturaleza de las relaciones y los vínculos entre los distintos actores implicados
(Chesnais, 1988]. Gilber [2002: 2] analizando los trabajos en economía evolutiva [por
ejemplo, Nelson y Winter, 1982; Nelson, 1987] y ciencia política [por ejemplo, Gibbons,
et al., 1994] ha examinado el papel de las redes de innovación en el cambio técnico,
los mecanismos detallados de formación de redes, las estructuras que se forman, y los
comportamientos complejos para que la innovación no se haya podido estudiar con
profundidad. Una de las razones para esto es que se ha demostrado que es difícil describir
la dinámica compleja de la evolución de las redes de innovación mediante los métodos
convencionales [Pyka, 1999; Dowlatabai Teitelbaum, 2000; Ziman, 2000],
Las redes son formadas por unidades heterogéneas con diferentes capacidades, que
se desarrollan en entornos que así mismo están evolucionando como resultado de las
innovaciones hechas en otros lugares; y la eficacia de las redes depende fundamentalmente
de reunir el conocimiento y las habilidades de los actores. En resumen, las redes son
sistemas adaptativos complejos; por lo general se autoorganizan, se adaptan a su entorno,
no tienen mecanismos de control central, son multinivel y su estado actual depende de
su historia [Holland, 1992].
en empresas
colombianas
Las innovaciones pueden considerarse como resultados emergentes e impredecibles

de la operación de las redes. Estas características hacen que sean difíciles de aplicar las
formas habituales de análisis. En su lugar, el proyecto SEIN ha estado modelando el
crecimiento de las redes de innovación mediante la simulación [Gilbert y Troitzsch,
1999].
Así mismo, Gilbert plantea que las redes de innovación surgen de la presión
por innovar, por el cambio de la producción de unidades idénticas como mercancías
a productos personalizados y como efecto de mejores comunicaciones e importancia
creciente del conocimiento.
En las redes de innovación podemos observar algunos tipos de enlaces tales
como: transferencia tecnológica, puesta en común de la tecnología colectiva, citación,
colaboración, alianzas estratégicas, integración horizontal, integración vertical y muchos
otros.
Ecología de redes
Carley [1998: 9] plantea que dentro y entre las organizaciones existen una variedad
de redes. Las cuatro entidades corporativas claves, los agentes, los conocimientos, las tareas
y las organizaciones definen un conjunto de redes (ver Tabla 1).
Varios aspectos de las organizaciones pueden ser caracterizadas en términos
de la red de interacción, la red de conocimientos, y la red de información de estas
entidades. Por ejemplo, la estructura (como la estructura de autoridad o la estructura de
comunicación) se define en términos de la red de interacción, la cultura en términos de
la red de conocimientos, y los datos potenciales en términos de la red de información.
Las propiedades de la organización pueden ser medidas en términos de cualquiera de
estas redes o por la agrupación de ellas.
Para los humanos, con racionalidad acotada [Simón, 1955, 1956] o los agentes
cognitivos [Carley y Newell, 1994; Carley y Prietula, 1994] su capacidad de toma
de decisiones, acciones, y desempeño, depende de sus conocimientos existentes, la
posición social, y los procedimientos y habilidades para manejar y recorrer estas redes.
La gestión de la red implica ser capaz de buscar personas pertinentes y conocimientos,
generar de forma dinámica y evaluar el valor y la capacidad de los grupos de personas
y / o los conocimientos que están interconectados para alcanzar alguna meta, y evaluar
la vulnerabilidad del sistema a diversos tipos de disfuncionalidades (como la pérdida de
personal o de conocimiento), y gestionar el cambio en estas redes.
Para los humanos, las redes con que operan, limitan y permiten una acción más
allá como afectar la eficiencia de tales acciones [Burt, 1992]. Del mismo modo, para los
agentes artificiales, que están en capacidad de recorrer la versión digitalizada de estas
redes permiten la comprensión de la máquina [Bookman, 1994]. Por ejemplo, WebBots
que sirven como compradores personales son más inteligentes si son más capaces de
navegar a través de los vínculos entre sitios en la web.
en empresas
colombianas
Tabla 1. Redes de agentes, conocimientos, tareas y organizaciones. Fuente: Carley Kathleen M. [1998a] Smart
Agente and Organizations of the Future Carnegie Mellon University.
Agentes Conocimientos Tareas Organizaciones

Redes de Redes de Redes de asignación Redes de empleo
interacción conocimiento Quién está asignado a Dónde se ubica el empleado
Quién conoce a Quién sabe qué qué empleos Demografía
Agentes
quién Cultura
Estructura
Redes de Redes de Redes de competencia

información requerimientos
Conocimientos Qué informa Qué es necesario hacer Dónde está el conocimiento
qué para qué necesidades
Datos Cultura
Redes de precedencia Redes industriales
Tareas Qué se requiere hacer Qué tareas son hechas dónde
previamente
Operaciones Nicho
Redes interorganizacionales
Organizaciones Cuál organización
trabaja con cuál
Alianzas
Un cambio en cualquiera de estas tres redes potencialmente puede resultar en una

cascada de cambios en las otras. Por ejemplo, cuando las personas aprenden algo nuevo
que obliga un cambio en la red de conocimientos que pueden resultar en un cambio
en la red de interacción [Carley, 1991]. Otro ejemplo, ocurre cuando se contrata nuevo
personal que puede traer consigo nuevos conocimientos. Así mismo, cuando el personal
actual obtiene una licencia, el conocimiento disponible puede ser empobrecido.
La gestión de estos cambios es la clave para la gestión del conocimiento. La tecnología
de la información tiene el potencial de afectar a esta red-meta de varias maneras. En
primer lugar, puede afectar el número y los tipos de nodos de estas redes, es decir, con
la llegada de nuevas tecnologías vienen nuevos agentes, nuevos conocimientos y nuevas
conexiones entre los conocimientos.
En segundo lugar, la tecnología de la información tiene el potencial de alterar la
forma en que aparecen los cambios y sus impactos. Por ejemplo, algunos sugieren que
sostener datos en bases de datos, y sistemas de conocimiento como notas de Lotus Notes
ofrece a las organizaciones los medios para el manejo de la rotación de personal y el
cambio en la red de conocimiento.
Simulación
La simulación es la experimentación con un modelo. El modelo imita algún
aspecto notable del sistema bajo estudio y el usuario experimenta para inferir algún
en empresas
colombianas
comportamiento. Esto ha demostrado ser una herramienta poderosa para aprender,

solucionar problemas y diseñar sistemas.
Un modelo es una entidad que es utilizada para representar alguna otra entidad
para algún propósito definido. En general, los modelos son abstracciones simplificadas,
que tienen sólo el alcance y el nivel de detalle que es requerido para satisfacer los
objetivos específicos de estudio. Los modelos se emplean cuando actuar sobre el
sistema real es poco práctico o prohibitivo. Esto sucede porque la acción directa es
costosa, lenta, perturbadora, peligrosa, o aún ilegal. Aun más, los modelos pueden ser
utilizados para estudiar sistemas complejos. La simulación es un enfoque particular para
estudiar sistemas a partir de modelos. En principio, la simulación consiste en pruebas
de campo con corridas similares, en la que el sistema de interés' es reemplazado por un
modelo físico o computacional. La simulación implica crear un modelo que imita el
comportamiento de interés; experimentando con el modelo se generan las observaciones
de este comportamiento, y con ello se procura comprender, resumir, y/o generalizar
esos comportamientos. En muchas aplicaciones, la simulación también implica probar y
comparar alternativas de diseño y validar, explicar y estudiar recomendaciones.
Axelrod [1997] presenta siete propósitos diferentes de la simulación en las
ciencias sociales: predicción, desempeño, entrenamiento, entretenimiento, educación,
verificación, y descubrimiento de teorías.
Predicción. Desarrolla un modelo, compuesto de una estructura y reglas que la rigen y
produce resultados (comportamiento observado). Mediante la comparación de diferentes
resultados los investigadores deducen lo que podría ocurrir en la situación real, si tales
intervenciones se produjeran. La validez de las predicciones depende de la consistencia
del modelo. La gran mayoría de los modelos utilizados en el campo de la investigación de
operaciones y la gestión de operaciones, por ejemplo, entran en esta categoría.
Desempeño. Con un modelo adecuadamente calibrado y validado, la simulación se
emplea para realizar tareas de una organización, tales como el diagnóstico o la toma
de decisiones. En el ámbito organizacional, la simulación es una ayuda en la toma de
decisiones, en la cual, la incertidumbre y la aleatoriedad son a menudo un contexto
natural del sistema. Si bien las decisiones requieren tomar en cuenta la incertidumbre,
esto no es fácil de hacer con formulaciones analíticas. La simulación se utiliza para imitar
incertidumbres con varias formas, como Monte Cario. La simulación de Monte Cario es
similar ya que trabaja con eventos discretos, pero no enfatiza la variable “tiempo”.
Entrenamiento. La simulación ayuda a la toma de decisiones rápida y segura en una
realidad. Los simuladores de vuelo son ejemplos claros. Organizaciones donde se emplea
la simulación ampliamente son las militares y las plantas nucleares.
Entretenimiento. Aunque la simulación “SimCity” se utiliza para la formación de
planificadores de la ciudad, también es simplemente “realizado” por millones de usuarios
interesados en saber si pueden construir una metrópoli. Beneficios educativos pueden
obtenerse, sin embargo, de tales usos de entretenimiento [Rushkoff, 1996].
7. M o DELIZACIÓN Y SIMULACIÓN DE LA INNOVACIÓN 113 Redes de innovación
en empresas
colombianas
Educación. En lugar de utilizar la simulación con fines de entrenamiento, la simulación

también puede proporcionar a los usuarios educación más general sobre cómo funcionan
los sistemas complejos. Los usuarios pueden obtener una mayor comprensión conceptual,
y un entendimiento tal vez metafórico y simbólico de los mecanismos tales como la
retroalimentación, el ruido, la reciprocidad, la autoorganización, la no linealidad, etc.
Los “fractales” son un ejemplo. Los fractales son formas naturales, sin límites
claramente definidos: nubes, árboles, montañas, hojas, etc. Mientras éstos siempre han
existido, su puesta en práctica no fue posible hasta el advenimiento de la computadora,
que permitió a los científicos mostrar que con reglas simples, reiteradamente ejecutadas,
podían producir tales patrones complejos.
Comprobación. La simulación puede ser utilizada para verificar la existencia de una
posible solución a un problema. Esto no es de uso común en el ámbito de las ciencias
sociales.
Descubrimiento de teorías. La simulación puede descubrir fenómenos que a su vez
llaman la atención en el enfoque teórico. Un concepto que ha recibido mucha atención
en los círculos de las organizaciones es el así llamado “Borde del caos” [Brown y
Eisenhardt, 1998]. Las teorías sobre el “borde del caos”, y lo que podría tener que ver con
el funcionamiento real de las organizaciones surgió, primero, porque la simulación hizo
posible el descubrimiento del fenómeno, y segundo, porque la gente entonces reformuló
la estructura de sus simulaciones a fin de reflejar las condiciones en las que el “borde del
caos” surgió, utilizando la simulación en su modalidad de predicción.
Figura 2. Escuelas de simulación. Fuente: Anylogic - Wikipedia
Perspectiva de la Dinámica de Sistemas Perspectiva Sucesos Discretos
Procesos: Secuencia de
•
p
Operaciones. Recursos
COEK ?
oo
¿C U
Parámetros individuales
y Variables de estado.
Decisiones personales
** ** * § >
Perspectiva basada en Asentes
Escuetas de la práctica de la simulación

Hay tres escuelas principales de la práctica de simulación:
Simulación de eventos discretos. Consiste en modelizar el sistema de la organización
como un conjunto de entidades que evolucionan con el tiempo de acuerdo con la
disponibilidad de recursos y el desencadenamiento de los acontecimientos.
Redes de innovación 114 L . G . A staiza - L . C. T orres - S. E. M onroy
en empresas
colombianas
Dinámica de sistemas. Implica la identificación de las variables de “estado” claves,

que definen el comportamiento del sistema, y luego relaciona esas variables entre sí a
través de ecuaciones diferenciales, acopladas.
Simulación basada en agentes. Implica agentes que tratan de maximizar sus funciones de
aptitud (utilidad) mediante la interacción con otros agentes y recursos; el comportamiento
del agente está determinado por el esquema integrado que es tanto interpretativo como
orientado en la naturaleza.
Simulación de sucesos discretos e innovación

Simulación es una imitación de las operaciones de un sistema o proceso
real (sistemas complejos). Involucra la generación de urra historia artificial del
comportamiento del sistema y a partir de dicha historia se efectúan inferencias relativas
a las características operacionales del sistema real que representa. Permite describir y
analizar el comportamiento del sistema real, y responder ciertas interrogantes para apoyar
el diseño de sistemas reales.
Existen diferentes puntos de vista del mundo a saber: por sucesos discretos, por
actividades y por procesos. Precisamente, el enfoque por procesos se refiere al enfoque del
sistema basado en el concepto de entidades, recursos y diagramas de bloque que describen
el flujo de la entidad y los recursos compartidos, ver Figura 3. Este enfoque del mundo
por procesos tiene sus raíces en 1960 cuando Geoffrey Gordon concibió y desarrolló la
idea para GPSS y realizó su implementación para la IBM [Gordon 1961]. Las entidades
(transacciones en GPSS) son objetos pasivos que representan personas, partes, documentos,
tareas, mensajes, etc. Ellos avanzan por los bloques del diagrama, se detienen en líneas de
espera, ocupan, reciben servicio y liberan recursos, se dividen, se combinan, etc.
Figura 3. Diagrama clásico de un modelo de sucesos discretos en arena.
Bajo el punto de vista del mundo por sucesos discretos una simulación está
caracterizada por los elementos siguientes [Law y Kelton, 1982):
7. M odeuzación y simulación de la innovación 115 Redes de innovación
en empresas
colombianas
Entidades: los objetos que comprenden el sistema.

Estado de distema: las variables de estado que describen un sistema en un momento
dado, a menudo asociado con entidades específicas.
Reloj de dimulación: denotando el paso de tiempo simulado.
Lista de ducesos: una lista que especifica los sucesos a ocurrir en el futuro, y en el
tiempo en que ellos ocurrirán.
Contadores estadísticos: sirven para acumular los datos durante la simulación, grabar
la historia y ser analizados posteriormente
Rutina de inicialización: encargada de preparar las condiciones iniciales de un
sistema a ser simulado tales como: el reloj, el estado del sistema y los contadores
estadísticos.
Rutina de calendarización: una subrutina que maneja la lista de sucesos y avanza el
reloj al suceso siguiente.
Rutina de sucesos: una subrutina para cada tipo diferente de suceso, que especifica
las acciones (la creación de nuevos sucesos, el cambio en las variables de estado y
actualización de los contadores estadísticos), y que está asociado con la ocurrencia
del suceso.
Figura 4. Diagrama de flujo del programa principal para el enfoque por sucesos.
Generador del informe: evalúa e informa los estimados de las medidas de desempeño
definidas para el sistema de interés.
Programa principal: un programa que coordina la actividad entre todos los varios otros
elementos del sistema de simulación (véase Figura 4). Muchos de estos elementos
son comunes a través de toda clase de simulaciones.
Redes de innovación 116 L. G. A staiza - L. C. T orres - S. E. M onroe
en empresas
colombianas
Independiente del enfoque por procesos o por sucesos, la simulación por sucesos
discretos puede aplicarse para analizar las consecuencias de la innovación en las diferentes
etapas del proceso de producción de la empresa, dado que puede existir un proceso de
correlación entre ellos (véase Figura 5).
Figura 5. Correlación de la innovación con los procesos de la empresa.
Pre-in novacíón Creación Id« a Desarrollo com ercial Institucionalizar ion
Dinámica de Sistemas - DS
Desarrollada por el ingeniero eléctrico Jay W. Forrester en los años 50, Dinámica
de Sistemas es “el estudio de las características de la información-realimentación
de la actividad industrial para demostrar cómo la estructura de la organización, la
amplificación (en políticas), y los retrasos (en decisiones y acciones) interactúan para
influenciar en el éxito de la empresa [Forrester 1958 y 1961 ]”. El rango de la DS incluye
también tipos de sistemas urbanos, sociales y ecológicos. En la DS los procesos del
mundo real se representan en términos de niveles (ejemplo: materiales, conocimientos,
población, dinero, etc.), flujos entre estos niveles, e información que determina los
valores de los flujos. DS se abstrae de los eventos y de las entidades y toma una visión
agregada que se concentra en políticas. Para abordar el problema en el estilo de la DS
se tiene que describir el comportamiento del sistema como un número de bucles de
realimentación que obran recíprocamente, balanceando o reforzando los niveles, y las
estructuras de retardo.
Formalmente, un modelo de DS es un sistema de ecuaciones diferenciales. Los
aspectos importantes que deben conocerse acerca de los modelos de DS, son: a) Sistemas
de tipo agregado, donde los elementos del mismo nivel no se distinguen, ni tienen
individualidad, y b) el modelador tiene que pensar en términos de las dependencias
estructurales globales y tiene que proporcionar datos cuantitativos precisos para ellos
[Borshchev, A. and A. Filippov, 20041.
Kortelainen, Samuli, Kalle Piirainen and Markku Tuominen, [2008], plantean
que en relación con el ciclo de la innovación, la dinámica de sistemas ha sido utilizada
para modelar diferentes situaciones. La investigación basada en la dinámica de sistemas
sobre el proceso de innovación se ha concentrado tradicionalmente en su mayor
7. Modelizactón y simulación de la innovación 117 Redes de innovación
en empresas
colombianas
parte en dos áreas principales: primero, comprendiendo los flujos en el proceso de

la innovación en el nivel operacional modelando con altos niveles de detalle con el
enfoque en la implementación del proyecto y la gestión del proyecto [Milling, 1996;
Ford, 1998; Lewlyn et al., 2006] y en segundo lugar, a nivel macro, el modelamiento
se concentra sobre los factores dinámicos del sistema de innovación [Maier, 1998;
Warren, 2005] o en la perspectiva de la competencia nacional y los sistemas nacionales
de innovación [Galanakis, 2006]. Roberts [1978] también sugirió un tercer campo “la
correlación entre el esfuerzo I&.D y la corporación total” [Roberts, 1978: 279], la cual
se ha estudiado en menor extensión. Durante años recientes ha surgido el uso de
la dinámica de sistema en asuntos estratégicos [Repenning, 2002; Zott, 2003; Gary,
2005], pero todavía Warren [2005] destaca la falta de investigación basada en dinámica
de sistemas. Fuera de estas contribuciones anteriores, Zott [2003] se concentra sobre
los efectos de la toma de decisiones estratégicas simulando las ganancias a largo plazo
del proceso de la innovación.
Stamboulis [2008] plantea que un sistema de innovación se percibe como un
ensamblaje de recursos comprometidos en actividades de innovación interrelacionadas
(véase Figura 6).
Figura 6. Comisión de recursos en las actividades de la innovación - una vista de DS.
Fuente: Stamboi ¡.
Expectativas de A
Estos compromisos pueaen variar, aesae iolu a largo piazo a la simple adopción de
tecnología del proceso. Las actividades relacionadas con la innovación pueden involucrar
diseño, I&.D, inversión en facilidades de producción, ventas, mercadeo, gestión de la
calidad y otras. Puede involucrar el compromiso de recursos a actividades controladas
externamente, ejemplo, laboratorios de investigación, subcontratistas.
En este enfoque se asume que los actores están involucrados en juegos de coopetición.
Ellos cooperan (explícita o tácitamente) en orden a proveer el valor y la eficacia de sus propios
en empresas
colombianas
compromisos de recursos y ellos compiten para la apropiación de los beneficios que resulten
del uso de sus innovaciones. Así que, la innovación es un juego repetitivo donde cada
participante (incluyendo el sector público) tiene que decidir si se compromete a cooperar
(bien sea explícita o implícitamente). Lo que distingue un sistema de innovación de otro es
como este juego que se realiza (véase Figura 7).
Figura 7. Una vista de la dinámica del sistema del juego Co-opetitive de las actividades de la innovación. Fuente:
Stamboulis, Yeorylos. [2008], Exploring the System Dynamics o f Innovador Systems.
La pregunta entonces es cómo se orientan los compromisos para lograr el desempeño

observado. Esto se logra por tres procesos de aprendizaje diferentes. El aprendizaje de un
ciclo funciona como una forma de trayectoria dinámica dependiente del mecanismo, el
cual está basado sobre la acumulación de la competencia para mejorar el desempeño dentro
de un contexto dado de coopetición (véase Figura 8).
Figura 8. Aprendizaje de un ciclo en un contexto de interacción.
Fuente: Stamboulis Yeorylos. [2008], Exploring the System Dynamics otlnnovation Systems.
Mejoramiento de los
El aprendizaje de doble ciclo (véase Figura 9) en un contexto de interacción e

interdependencia facilita la renegociación de las reglas y convenciones de co-opetición.
7. M odelizactón y simulación de la innovación 119 Redes de innovación
en empresas
colombianas
Figura 9. Aprendizaje de doble ciclo en un contexto de Interacción.
Fuente: Stamboulis Yeoryios. [2008], Exploring the System Dynamics of Innovation Systems.
Finalmente, el aprendizaje de triple ciclo facilita los cambios de expectativas del

comportamiento de otros actores, contribuyendo a modelos mentales mejor informados,
apreciación más profunda de otras perspectivas y formulación de decisiones de
compromisos sostenibles (véase Figura 10).
Figura 10. Aprendizaje de triple ciclo en un contexto de interacción.
Fuente: Stamboulis Yeoryios. [2008], Exploring the System Dynamics oflnnovation Systems.
Estos tres conjuntos de tipos de aprendizaje operan como mecanismos de ampliación

y suministro dentro de los juegos de co-opetición.
Hariolf Grupp, Shlomo Maital & Lisa Shaler-Clark [2004] plantean la tarea de
modelar el síndrome de “Peter Pan” utilizando dinámica de sistemas para modelar la
dinámica de la energía empresarial y explorar políticas de alto impacto que la fortalezcan
o la debiliten.
Para el efecto consideran las variables cualitativas que aunque son difíciles de
cuantificar son cruciales al proceso innovador: creatividad, energía empresarial, pasión a
innovar, pasión por la tecnología. En la figura 11 se plantea un modelo general con ciclo
de realimentación para una firma innovadora.
Redes de innovación 120 L. G. A stalza - L. C. T orres - S. E. M onroy
en empresas
colombianas
Figura 11. Modelo del ciclo de realimentación de firmas innovadoras.
Fuente: Hariolf Grupp, Shlomo Maital & Lisa Shaler-Clark [2004], Why Innovative Start-ups Fail: A System Dynamics
Model & Sun/ival ¿
Así mismo, en la Figura 12 se presenta el submodelo de la energía empresarial.

Peter M. Milling y Joachim Stumpfe [2000] utiliza el enfoque de la dinámica de
sistemas para evaluar el comportamiento de la interacción del sistema de innovación
producto-proceso.
Figura 12. Submodelo para la energia empresarial.
Fuente: Hariolf Grupp, Shlomo Maital & Lisa Shaler-Clark [2004]. Why Innovative Start-ups Fail: A System Dynamics
Model & Survival Strategy.
El objetivo de este enfoque de modelamiento es permitir la compenetración en

el comportamiento dinámico específico del sistema y ofrecer un ambiente virtual para
verificar diferentes escenarios de innovación. El análisis se refiere a las características de
un segmento del proceso y el ciclo de vida de un solo producto en una compañía. A este
nivel la transición para completar la generación de un nuevo producto no está incluida.
7. M odeuzación y simulación de la innovación 121 Redes de innovación
en empresas
colombianas
El modelo de DS presentado en la Figura 12 sirve como un primer enfoque en las

consecuencias dinámicas de las acciones en la gestión de la innovación y permite verificar
diferentes estrategias de innovación. En este primer paso el modelo cubre únicamente
cuatro sectores (sector I&.D para producto y procesos y sector de implementación
para innovaciones de producto y de procesos) de una forma simplificada. La variable
dominante es el coeficiente de conversión innovación producto y su análogo para
innovación de procesos los cuales caracterizan los logros en la implementación de la
innovación incluyendo factores de promoción y restricciones para la implementación de
tipos específicos de innovación.
Samuli Kortelainen y otros [2008] presentan un modelo de dinámica de sistemas
cuyo propósito es identificar los mecanismos de cómo el aprendizaje en innovación se
convierte en beneficio. El modelo presenta una estructura modular conformada por los
módulos: financiero, proceso de innovación, capacidades y productos en el mercado
(véase Figura 14).
En el año 2006, el grupo Systems Thinking and Strategy Dynamics de CSC decidió
formar un grupo de trabajo sobre innovación. El grupo identificó inicialmente tres tipos
de modelos de dinámica de sistemas que pueden ser útiles:
Modelo de gestión de cuentas. Ayuda en la planeación de asignación de recursos a la
innovación.
Modelo de innovación disruptiva. Muestra cómo el juego se modifica cuando entra una
innovación disruptiva a competir con un titular.
Modelo de aplicación de innovación. Ayuda a identificar dónde y cómo aplicar la
innovación (por ejemplo, cubrimiento y profundidad del producto).
Figura 13: Modelo de dinámica de sistemas para el análisis de la interacción del proceso-producto.
Fuente: Milling, Peter M. and Joachim Stumpfe, [2000]. Product and Process Innovation. A System Dynamics-Based
Analysis of the Interdependencias.
LIMITPROCTYPE
en empresas
colombianas
Figura 14. Diagrama que ilustra los ciclos causales del sistema de desarrollo de un nuevo producto.
Fuente: Kortelalnen, Samull, Kalle Piirainen and Markku Tuominen [2008], A System Dynamic Model otLearning and
El objetivo del grupo es tener los tres modelos trabajando juntos a diferentes
niveles: desarrollo, estratégico y aplicación táctica para suministrar una herramienta
comprensible de dinámica de sistemas que respalde la innovación. En la Figura 15 se
presenta el diagrama causal del modelo contable de la innovación.
Figura 15. Diagrama causal del modelo contable de la innovación.
Fuente: Gambardella Pascal [2006]. Innovation Frameworks, Grupo Systems Thinking and Strategy Dynamics de
CSC.
Tanto los modelos de dinámica de sistemas como los ilustrados ofrecen un

instrumento muy prometedor para asegurar que la inversión en la innovación sea efectiva.
Los modelos por supuesto no son balas de plata y son sólo tan buenos como la calidad
de su construcción y los datos de soporte.
en empresas
colombianas
M odelización basada en agentes

¿Qué es la modelización basada en agentes? Es construir modelos basados en agentes
de carácter computacional con el fin de simular por computadora. Sirve para sistemas
complejos, emergencias, el método de Monte Cario, la sociología computacional, los
sistemas multiagentes, y la programación evolutiva, entre otras. Modelización basada en
agentes es el proceso de construir modelos basados en agentes. El modelo basado en
agentes no es un concepto nuevo. Pero el modelado sí lo es. Otro nombre: modelamiento
basado en el individuo. Para estudiar el mundo macro por definir el nivel micro del
mundo de un sistema, un individuo con propiedades específicas que interactúa uno con
el otro. ¿Cómo construir y utilizar modelos basados en agentes? No existe ningún estándar ni
forma bien reconocida. El diseño del agente debe incluir mecanismos para obtener las
entradas, almacenar la historia, determinar la próxima acción y llevar a cabo la próxima
acción seguida por los resultados. Para lograr esto debemos utilizar métodos de diseño
para los sistemas basados en agentes. A fin de cumplir este propósito podemos recurrir a:
La utilización del sistema de producción. Este sistema contiene un conjunto de
reglas, una memoria de trabajo y un intérprete de reglas. Por ejemplo el sistema presa-
depredador
Mejorar el sistema de producción. ¡Agentes tienen la capacidad de aprender! Luego
ellos no sólo utilizan reglas, sino que también alteran y definen reglas. Aprendizaje: redes
neuronales, algoritmos evolutivos.
¿Qué debe estar en el agente? Los elementos que afectan el comportamiento del sistema.
Para este propósito es necesario considerar las características de los agentes así:
Un agente es proactivo, pues tiene la capacidad de dirigirse a la meta.
Un agente es autónomo ya que puede controlar sus propias acciones bien sea en la
interacción con otros agentes o con el ambiente.
Un agente tiene habilidad social para interactuar con otros agentes
Un agente es reactivo dada su percepción del ambiente y su capacidad de
respuesta.
Un agente es flexible, tiene la capacidad de aprender y adaptarse de acuerdo con
sus experiencias.
Algunas características claves de los modelos basados en agente son:

< Sistemas complejos del mundo-real. Modelos como una colección de entidades de
toma de decisiones autónomas, llamados “agentes”.
A Cada agente corresponde a una o más entidades autónomas en el dominio
simulado.
< Modelos por naturaleza altamente distribuidos. No hay control centralizado ni
requieren planeación.
A Agentes con conductas, a menudo definidas por un conjunto de reglas sencillas
(modelos computacionales de comportamiento) y poseen racionalidad acotada.
en empresas
colombianas
^ Los agentes sólo requieren el conocimiento y la visibilidad local.

^ Las interacciones entre estos agentes tienen como resultado la conducta global,
emergente y compleja. La conducta exhibe equilibrio-dinámico y adaptación.
^ Los agentes pueden comunicarse uno con el otro directamente o a través del
ambiente. Esto a menudo es llamado el modelamiento “generativo” o “de abajo a
arriba”.
A medida que la ciencia de la complejidad gana más aceptación como la descripción
normativa de los sistemas vivos, la simulación basada en agentes tiene el potencial
para llegar a ser el paradigma dominante de modelamiento-simulación para los
investigadores organizativos.
Holland (1995] plantea como componentes básicos de tos modelos basados en
agentes:
^ Modelos intemos: esquemas que son implementados computacionalmente utilizando
reglas conductistas. La adaptación es aplicada a través de los algoritmos genéticos
o esquemas que modifican el grado de los parámetros de creencia asociados con
reglas conductistas.
Bloques de construcción: un esquema puede combinarse con otro esquema en modelos
conductistas de mayor orden; un bloque de construcción es la forma más sencilla de
un esquema.
Etiquetamiento: marbete explícito de un agente para asignar una clase de atributos al
agente (v. g, por metodología orientada a los objetos).
^ Agregación: agentes pueden combinar en meta-agentes y comportarse como
individuos y/o colectivamente.
^ No linealidad: computacionalmente, la no linealidad es implementada a través de
reglas que empotran la no linealidad en la conducta del agente. La no linealidad es
una característica común pero no necesaria en los modelos basados en agentes.
^ Flujos: computacionalmente, los flujos representan el cambio simultáneo de los
atributos de los agentes.
A Diversidad: implementada a través de la heterogeneidad de los modelos internos, de
las etiquetas y los agregados jerárquicos asociados.
^ Función de ajuste: función de la utilidad que determina qué tan adaptado está cada
agente individual. La función de ajuste informa la conducta por la cual determinadas
reglas llegan a estar asociadas con ciertos resultados que ayudan o disminuyen el
valor de ajuste. Estas reglas pueden ser hechas para ser evocadas más o menos a
menudo en el futuro (es decir mediante el proceso de aprendizaje).
El proceso de construcción de modelos basados en agentes, sigue los pasos

metodológicos de cualquier simulación. En particular, debemos definir las preguntas
a responder o investigar. Para efectos de la programación debemos elaborar diagramas
de flujo o diagramas lógicos y comunicar los detalles importantes de las interacciones,
en empresas
colombianas
el ambiente, y las metas del modelo de simulación basado en agentes. Un mapa

cognitivo, uno de tales métodos, es definido como un proceso conformado de una
serie de transformaciones fisiológicas por las cuales los individuos adquieren, codifican,
almacenan, recuerdan, y decodifican la información acerca de las ubicaciones relativas y
los atributos de los fenómenos en su ambiente espacial y temporal de cada día.
Aun más, Macal, Charles M. and Michael J. North [2006], plantean los siguientes
pasos generales para construir un modelo basado en agentes:
•4 Los agentes: identifique los tipos de agentes y otros objetos (clases) junto con sus
atributos.
A El ambiente: define el ambiente en que los agentes vivirán e interactuarán.
A Los métodos del agente: especifique los métodos por los cuales los atributos del agente
son actualizados en respuesta ya sea a interacciones agente - agente o interacciones
de agente con el ambiente.
A Las interacciones del agente: agrega los métodos que controlan que los agentes
interactúen, cuándo interactúen, y cómo deben interactuar durante la simulación.
A La implementación: implemente el modelo basado en agentes en el software
computacional.
García Rosanna [20051, plantea que el modelamiento basado en agentes varía de

otros métodos de simulación, puesto que la unidad primaria de estudio es el agente, o el
individuo. Los agentes representan entidades heterogéneas que interactúan uno con el
otro o con su ambiente. En un modelo basado en agentes, el programador sólo modela
la conducta de un individuo. Estos agentes individuales entonces interactúan uno con
el otro en un proceso repetitivo. Es de estas interacciones repetitivas que evolucionan
comportamientos y macrotendencias. Aunque los agentes a menudo parezcan actuar
juntos como un grupo, ellos son de hecho justamente un colectivo de individuos que
influye en las microdecisiones de otros. Es de las interacciones entre agentes que surgen
los comportamientos agregados a un nivel macro.
Otra diferencia mayor entre la modelización basado en agentes y otras técnicas
de simulación es el enfoque primario sobre la adaptabilidad de los agentes dentro del
sistema. En la modelización basada en agentes, los agentes son modelos de individuos
heterogéneos en los que cada uno posee características y reglas a seguir únicas (patrones
de toma de decisiones). Esta heterogeneidad de agentes permite una representación
más práctica de fenómenos del mundo real comparado con modelos que asumen la
homogeneidad o asumen que los agentes individuales siguen una conducta promedio.
Debido a que cada agente es visto como un individuo, puede adaptarse a su propio
ritmo y en su propia manera única influida por cambios del sistema de nivel macro. La
modelización basada en agentes podría ser con algoritmos genéticos, que proporcionan
un ejemplo demostrativo de capacidad de adaptación.
en empresas
colombianas
Otra diferencia importante entre modelos basados en agentes y otras técnicas

de simulación es su facilidad de uso aún para no programadores. No hay necesidad
de comprender ecuaciones diferenciales, integrales, ni aún estadísticas. Porque el foco
primario está en el agente individual, un modelador sólo debe definir las conductas, las
reglas, o las políticas que un tipo particular de agente sigue. Estas reglas determinan cómo
los agentes interactúan dentro del sistema modelado. El conocimiento para establecer
las reglas puede ser ganado de la investigación cualitativa o cuantitativa así como por la
teoría. Las reglas de conducta de los agentes son los bloques de construcción adecuados
que se reúnen para simular un sistema [Holland, 1995). Las reglas o leyes adicionales que
gobiernan el sistema o los agentes individuales pueden ser agregadas gradualmente, con
lo cual se aumenta lentamente la complejidad del sistema.
Modelos de autómatas celulares

Los modelos de autómatas celulares son tal vez la forma más simple de la simulación
basada en agentes. Un autómata celular es un modelo discreto estudiado en teoría de la
computación, matemática, y la biología teórica. Consiste en una rejilla regular de celdas,
cada una en un número finito de estados. La rejilla puede estar en cualquier número finito
de dimensiones. El tiempo es también discreto, y el estado de una celda en el tiempo t es
una función de los estados de un número finito de celdas (llamadas su vecindad) en el
tiempo t -1. Estos vecinos son una selección de celdas relativos a la celda especificada, y
no cambian (aunque la celda en sí misma puede estar en su vecindad, generalmente no se
considera un vecino). Cada celda tiene la misma regla para ponerse al día, y está basada
en los valores en esta vecindad. Cada vez que las reglas se aplican a la rejilla entera se crea
una nueva generación.
Los autómatas celulares tienen un espectro amplio de usos, desde juegos de
computadora, hasta la simulación de procesos físicos, biológicos y sociales. Por ejemplo,
hay usos en arqueología, donde los autómatas celulares se utilizan para la reconstrucción
de la migración y la evolución de las culturas antiguas. En este caso la simulación ayuda
a predecir la localización de sitios arqueológicos.
La regla de evolución puede encontrar algunas variantes a través de la historia.
Sin embargo, en los autómatas celulares en dos dimensiones sólo consideramos las más
conocidas. Iniciamos con la vecindad de Von Neumann definida para una celda central
y sus vecinos ortogonales (Figura 16a), la vecindad de Moore que además de los vecinos
ortogonales se consideran los vecinos diagonales (Figura 16b), y por último, la vecindad
hexagonal (Figura 16c).
Actualización del estado de las celdas del autómata celular para los vecindarios de
Von Neumann y Moore. Para el vecindario de Von Neumann, el estado de cada celda
C.. depende de los vecinos Ci, j+1, C. ^ , C ¡+1 , C. t j. Mientras que para el vecindario de
Moore, el estado de cada celda C i.j depende
1 de C i, j + i,, C i, j-i,, Ci+ i, i C i, C i+i,, j-i, 1, C i+i,, j + ,,r Ci-i,,
, J b i , JT
H* ^bi.j+1.
en empresas
colombianas
Una de las primeras aplicaciones fue la de Thomas Schelling, quien propuso una
teoría para explicar la persistencia de la segregación racial en un ambiente de tolerancia
creciente. El planteamiento es el siguiente: si los individuos toleran la diversidad racial,
pero no toleran ser una minoría en su localidad, la segregación todavía será la situación
de equilibrio. [Schelling, 1971: 143-186|.
Figura 16: Tipos de vecindad en dos dimensiones.
Integración de modelos
Modelos basados en agentes más sofisticados integran a veces redes neurales,
algoritmos evolutivos, algoritmos genéticos, y otras técnicas de aprendizaje que permiten
adaptación y aprendizaje práctico y por tanto, son computacionalmente más complejos.
Otra forma de creación de modelos complejos se logra con la reutilización y la
composición de modelos existentes validados. Estos modelos pueden provenir de muchos
paradigmas diferentes:
Optimización Base de datos

Pronóstico economètrico Redes neuronales
Simulación de sucesos discretos Ecuaciones diferenciales parciales
Simulación basada en Agentes Flujo en redes
Simulación de Monte Cario Cadenas de Markov
Dinámica de sistemas Sistemas de información geográfica
Minería de datos etc.
Entre los tipos de integración de los modelos están:

La caja negra: solucionadores independientes; paso de parámetros.
Los procesos de comunicación: los solucionadores parcialmente entretejidos; paso de
parámetros y los sistemas basados en agentes como experimentación continua: todos los modelos
trabajan en el mismo ambiente construido.
Patterson M.M., Anthony [2002], plantea que el uso de simulación y el modelado

en el ciclo de la innovación demandan un grado más alto de flexibilidad en la tecnología
de la simulación que es necesario para la función de capacitación. Los simuladores
deben poder aceptar entradas de una variedad de datos del modelo, y la necesidad de
poder interactuar con otros simuladores en situaciones excepcionales y extraordinarias.
Redes de innovación 128 L. G. A sta iza - L. C. T orres - S. E. M onroy
en empresas
colombianas
Sistemas abiertos con componentes modulares y reciclables son requeridos para movilizar
el sector académico, científico, la ingeniería y las comunidades corporativas para integrar
la simulación y el modelado en el proceso de la innovación.
Los componentes de la simulación y el modelado no deben estar concentrados
dentro de una sola unidad organizativa para tener éxito. Sistemas abiertos que permitan
que varias facilidades y puedan colaborar en un proyecto específico básico pueden ser
igualmente, si no más, efectivos. Tal concepto organizacional no está exento de problemas,
y requiere planificación y gestión cuidadosa para tener éxito.
Software para modelización y simulación

Arrylogic. Software de simulación para la construcción de jufcgos de negocios basados
en la web, simulaciones de negocios, y simulaciones de estrategia que utilizan modelos
basados en agentes, modelos de dinámica de sistemas, y modelos de sucesos discretos.
Permite construir modelos sumamente sofisticados que contienen los tres paradigmas de
la modelización. AnyLogic está basado en UML-RT y usa “gráficos de estado híbridos”
para lograr esta capacidad extraordinaria. El software ha sido aplicado a muchos dominios
diferentes para construir modelos de negocios, modelos de estrategia, juegos de negocios,
modelos económicos, modelos de sistemas sociales, modelos de juegos de guerra, modelos
de sistemas biológicos, modelos de física, y modelos de desempeño de software. AnyLogic es
un multiparadigma/simulador híbrido capaz de modelar sistemas como una combinación
de modelos de sucesos discretos, dinámica de sistema, y basado en agentes. Los modelos de
AnyLogic pueden instalarse fácilmente en la web. AnyLogic crea un Applet de Java basado
en websim. Los modelos son almacenados en XML. Anylogic apoya agentes en un ambiente
continuo o discreto. Los agentes pueden formar redes sociales con otros agentes, comunicarse,
enviar mensajes uno al otro, moverse en el espacio, tener estados y, seguir reglas.
Swarm. Diseñado como un lenguaje general y como una caja de herramientas

generales para modelización basada en agentes, destinado para el uso esparcido a través
de dominios científicos. Los desarrolladores de Swarm comenzaron por establecer un
enfoque conceptual general al software de simulación basado en agentes. La clave en
Swarm es el concepto de que el software debe implementar un modelo, y proporcionar
separadamente un laboratorio virtual para observar y realizar experimentos en el
modelo. Otro concepto clave es diseñar un modelo como una jerarquía de “swarms”,
donde un swarms es un grupo de objetos y una programación de acciones que los
objetos ejecutan. Un swarm puede contener swarms de más bajo-nivel cuyos horarios
son integrados con el swarm de más alto-nivel; modelos sencillos tienen un “modelo
swarm” de bajo-nivel dentro de un “swarm observador” que conecta instrumentos
al observador del modelo. La filosofía del diseño del software parece haber sido la
de incluir software que implemente conceptos de modelización de swarms junto con
instrumentos generales probablemente útiles para muchos modelos, pero no incluir
en empresas
colombianas
instrumentos específicos para ningún dominio en particular. El swarm fue diseñado

antes de la aparición de Java como un idioma maduro. Una razón para aplicar swarms
en Objetivo-C fue que este idioma no tenía una sintaxis fuerte (en contraste a, por
ejemplo, C ++) que apoya la filosofía de sistemas-complejos sin la necesidad de un
control centralizado; por ejemplo, el horario de un modelo puede presentar una lista
de objetos para ejecutar alguna acción sin saber qué tipos de objeto están en la lista. El
swarm utiliza sus propias estructuras de datos y gestión de memoria para representar
objetos del modelo; una consecuencia es que el swarm aplica completamente el concepto
de “tientas”: instrumentos que permiten a los usuarios vigilar y controlar cualquier
objeto de simulación, no importa qué tan protegido está, de la interfaz gráfica o dentro
del código.
Repast. Su desarrollo parece haber pasado por varios objetivos. El objetivo inicial
fue de aplicar Swarm, o la funcionalidad equivalente, en Java. Sin embargo, Repast
no adoptó toda la filosofía de diseño de Swarm y no aplica swarms. Repast también
fue pensado claramente para apoyar un dominio -las ciencias sociales- en particular e
incluye instrumentos específicos en ese dominio. El objetivo adicional de hacerlo más
fácil para usuarios sin experiencia para construir modelos ha sido enfocado de varias
maneras por el proyecto Repast. Estos enfoques incluyen un modelo sencillo incorporado,
y las interfaces a través de las cuales menús y código Python pueden ser utilizados para
empezar la construcción del modelo.
Masón. Diseñado como una alternativa más rápida y pequeña que Repast, con
un enfoque claro en la demanda computacional de los modelos con muchos agentes
operando sobre muchas iteraciones. El diseño parece haber sido manejado en gran parte
por los objetivos de llevar al máximo la velocidad de ejecución y asegurando completa
reproducibilidad a través del hardware. Las capacidades de separar y reconectar interfaces
gráficas, parar una simulación y moverlo entre computadoras, son consideradas
prioridades para simulaciones grandes. Los desarrolladores de Masón aparecen con la
intención de incluir sólo herramientas generales, no un dominio-específico.
NetLogo. Refleja con claridad su herencia como un instrumento educativo, ya que su

objetivo primario de diseño es claramente la facilidad de uso. Su lenguaje de programación
incluye muchas estructuras de alto nivel y primitivas que reducen mucho el esfuerzo de
programación, y la documentación amplia es proporcionada. El lenguaje contiene muchas
pero no todas las capacidades de control y estructuras de un lenguaje de programación
estándar. Aún más, NetLogo fue diseñado abiertamente con un tipo específico de modelo
en la mente: agentes móviles que actúan al mismo tiempo en un espacio de cuadrícula
con conducta dominada por interacciones locales sobre tiempos cortos. Aunque modelos
de este tipo son más fáciles de aplicar en NetLogo, la plataforma de ninguna manera está
en empresas
colombianas
limitada a ellos. NetLogo es bastante lejos la plataforma más profesional en su apariencia y

documentación.
ProModel. Software de simulación de sucesos discretos, utilizado para evaluación,

planificación o el diseño de sistemas de manufactura, almacenamiento, logística y otras
situaciones operacionales y estratégicas.
Para comprender cómo ProModel puede ayudar, piense en la facilidad como una
colección de recursos que son pensados para funcionar juntos en una manera rentable.
Cada persona y pieza de equipo están relacionadas a cada componente (por coincidencia
o conveniencia). Juntos definen la forma en que la facilidad trabaja. Ahora, ¿qué sí podría
desarmar todo o parte de la planta y reconfigurar las partes Tara encontrar maneras
de hacer el sistema completo más eficiente? ¿Qué sí podría ver realmente qué nuevas
configuraciones trabajan mejor y cuáles fallan mirándolos para una semana, un mes o un
año de prueba? ProModel permite que haga eso. Olvídese del riesgo, la interrupción y el
gasto,pruebe múltiples alternativas en un tiempo asombrosamente corto.
Vensim. Utilizado para desarrollar, analizar, y empaquetar modelos dinámicos de

alta calidad de reacción. Los modelos son construidos gráficamente o en un editor de
texto. Las características incluyen funciones dinámicas, subíndices (arreglos), análisis de la
sensibilidad de Monte Cario, optimización, datos que manejan, interfaces de aplicación,
y mucho más.
Modelos básicos adaptables a la innovación en Netlogo

Mundo Pequeño. Zhong, Xing and Salih Zeki Ozdemir [2007] plantean que el
modelo más renombrado que investiga explícitamente los efectos de la estructura de red
en la innovación es el modelo de mundo pequeño [Watts, 1999). Aunque en la práctica
de modelización de mundo pequeño ha sido utilizado extensamente para comprender
la difusión de las innovaciones, su aporte en la simulación de las innovaciones dadas
a luz ha sido limitado relativamente. Las simulaciones que adoptan un enfoque de
mundo pequeño han revisado cómo diferentes estructuras de red afectan la velocidad
de la innovación por preasignación de actores a un conjunto fijo de enlaces [Cowan &
Jonard, 2003; Schilling, 2005]. Precisamente la modelización relativamente estática de
la estructura de las redes en teoría de mundo pequeño causa problemas para modelizar
el proceso de la innovación, la cual implica esfuerzos de búsqueda deliberados de
parte del actor en una tentativa para encontrar “mejores” fuentes del conocimiento y
habilidades y maneras más “nuevas” de combinar esas habilidades y el conocimiento. El
comportamiento computacional en el proceso de la innovación contrasta bruscamente
con la noción de aceptar y adoptar lo que quizás sea ofrecido por unas conexiones
“impuestas”, que es la suposición usual en modelos estáticos de estructura de red. El
modelo explora la formación de redes que dan lugar al fenómeno “mundo pequeño”, la
7. M odelizactón y simulación de la innovación 131 Redes de innovación
en empresas
colombianas
idea de que una persona está solamente a un par de conexiones de cualquier otra persona
en el mundo. Un ejemplo popular del fenómeno del mundo pequeño es la red formada
por los agentes que aparecen en la misma película (v. g. el juego “seis grados de Kevin
Bacon”), pero los mundos pequeños no se limitan a las redes de personas solamente.
Otros ejemplos se extienden desde las redes de energía a las redes neuronales de los
gusanos. Este modelo ilustra algunas condiciones teóricas generales, bajo las cuales las
redes del mundo pequeño entre personas o cosas pueden ocurrir.
Difusión sobre una red dirigida. El modelo de difusión de innovaciones se preocupa de

cómo las innovaciones, definidas como ideas o prácticas que se perciben como nuevas,
son esparcidas [Rogers, 2003). La difusión es el proceso por la cual una innovación se
esparce a través de canales de comunicación a través del tiempo entre los miembros de un
sistema social. La difusión ocurre en sistemas complejos donde las redes que conectan a
los miembros del sistema se superponen, múltiples y complejas. La difusión ocurre más a
menudo en zonas heterogéneas, es decir, espacios de transición donde la diferenciación
suficiente entre miembros de la red puede obtenerse. Tales conexiones heterogéneas de
la red, que comprenden el sistema de innovación-difusión, ocurren entre innovadores
y otros miembros comprometidos de poblaciones objetivo quienes, en la formulación
original de Rogers, se denominan “cosmopolitas”. Los cosmopolitas son localmente
miembros del sistema con enlaces débiles heterogéneos fuera del sistema. La cantidad
se mueve entre nodos en la red sólo a lo largo de vínculos establecidos, dirigidos entre
dos nodos. Las reglas simples que conducen esta difusión llevan a patrones interesantes
relacionados con la topología, la densidad, y la estabilidad de la red. Además, el modelo
puede ser útil en la comprensión de las características básicas de procesos dinámicos en
redes, y proporciona un punto de partida útil para diseñar modelos basados en redes más
complejos y más realistas.
Componente gigante. En una red, una “componente” es un grupo de nodos conectados

unos con otros, directa o indirectamente. Así que, si una red tiene un “componente
gigante”, significa que casi cada nodo es accesible de casi cada otro. Este modelo demuestra
cómo se presenta rápidamente un componente gigante si se desarrolla una red al azar.
Enlace preferencial. Barabasi y Albert [1999] presentaron el algoritmo de enlace

preferencial para el crecimiento de las redes de escala-libre. El algoritmo inicia con mo
nodos iniciales y agrega nuevos nodos uno a la vez. Cada nodo es conectado a los nodos
anteriores a través de m nuevos enlaces, donde la probabilidad de que cada nodo existente
j reciba uno de los nuevos enlaces es m*K[j]/ [k] donde k es el número de enlaces en el
nodo j. Estadísticamente, este método podrá generar una red de mundo pequeño con
una ley de potencia (eso es, una red de escala libre). Tales redes se pueden encontrar en
una gama asombrosamente grande de situaciones del mundo real, extendiéndose de las
Redes de innovación 132 L. G. A staiza - L . C. T orres - S. E. M onroy
en empresas
colombianas
conexiones entre los sitios Web a las colaboraciones entre los agentes. En el proceso
de innovación, podemos ver este tipo de comportamiento en las redes de citación de
patentes.
Conformación de grupos. En el proceso de innovación siempre es necesario conformar

grupos de trabajo. En particular en la iniciación de una innovación, CIDEM (2002), en
la guía para gestionar la innovación plantea establecer un proceso recursivo de seis pasos,
los cuales se resumen a continuación:
El compromiso y el liderazgo gerenciales. La gestión de la innovación comienza
con la creencia de la gerencia de que la innovación es estratégica para la compañía.
En este sentido, la gerencia debe esparcir su mensaje a través de la compañía para
establecer objetivos atractivos y proporcionar recursos suficientes.
^ Establecer un equipo de trabajo. El equipo debe ser multidisciplinario y estar
compuesto de miembros del personal que trabaja en los departamentos relacionados
al proceso de la innovación. Un lenguaje común debe ser utilizado al referirse a la
innovación tecnológica.
Autoevaluación inicial. Todos los miembros del equipo deben llenar un cuestionario
y discutir las diferencias en el grupo después. El equipo puede escoger o valorar el
proceso en su totalidad o centrarse en una serie de actividades específicas. En todos
los casos, el cuestionario debe ser personalizado para que corresponda a la situación
particular en la que es aplicado.
1. Cultura de la innovación
Tema
¿Cuál es el papel de la Innovación en la planeación de largo plazo?
¿La gerencia comparte la opinión que la innovación debe ser administrada y dejada a la improvisación?
¿Cómo la gerencia establece las comunicaciones internas y externas a la compañía?
¿Cómo la gerencia desarrolla el know how de la compañía sobre la base de las habilidades del personal?
¿Cómo la gerencia maneja el riesgo que es inherente a la innovación?
2. Creación de nuevos conceptos

Tema
Cuándo se crean nuevos productos, ¿en qué grado la compañía identifica las necesidades presentes y
futuras de sus clientes y examina las actividades de la competencia?
¿Cómo la compañía promueve la contribución de ideas, el pensamiento innovador y la creatividad entre

sus empleados?
¿Cómo la compañía planifica la creación de nuevos conceptos?

en empresas
colombianas
¿Cómo la compañía selecciona las ideas y los conceptos a ser desarrollados?
¿Son las herramientas para crear nuevos conceptos utilizadas en una forma discernióle y sostenida?
(Por ejemplo: análisis de valor, TRIZ, Tormenta de ideas, portafolio del producto, mapeo del proyecto, etc.
3. Desarrollo de productos
Tema
¿Qué información es utilizada por la compañía para iniciar el desarrollo de un nuevo producto?
¿Hasta qué punto los departamentos, los clientes y los proveedores toman parte en el proceso de
desarrollo desde el inicio del proyecto?
¿Tiene la compañía una programación que incluye los objetivos a ser encontrados, el pronóstico de los
costos y un monitoreo continuo del proyecto?
¿Hasta qué punto son introducidos los diseños y las nuevas tecnologías en el desarrollo de un nuevo
producto?
¿Son las herramientas de desarrollo de producto utilizadas en gran escala y en una base continua?
4. Rediseño de los procesos de producción

Tema
¿Cómo monltorea la compañía las tecnologías Industriales y los modelos utilizados para administrar los
procesos de producción?
¿La compañía tiene planes para dedicar recursos al desarrollo de nuevos procesos de producción?
¿La compañía tiene una estrategia externa?
¿La compañía planea innovar integrando actividades logísticas?
¿Son las herramientas más apropiadas para definir y controlar el proceso de producción utilizadas a un
grado significativo y en una base continua? (Por ejemplo, simulación de procesos, experimentos pilotos
controlados).
5. Rediseño procesos de mercadeo

Tema
¿La compañía aplica otras prácticas comerciales para crear nuevas ideas, mejorar o modificar
los procesos de mercadeo?
¿Cómo mercadea la compañía el nuevo producto?
¿Como la compañía rediseña los procesos de mercadeo? ¿En qué extensión ayuda esto a la
compañía a incrementar el valor del producto?
¿Como la compañía mantiene contacto con sus clientes después de la venta?
¿Está la compañía enterada del potencial de mercadeo ofrecido por las nuevas tecnologías de
información?
Redes de innovación 134 L. G . A staiza - L . C . T orres - S. E. M onroy
en empresas
colombianas
6. Gestión del conocimiento y la tecnología

Tema
¿Cómo identifica la compañía las tecnologías claves para su negocio? ¿Cómo valora el impacto de estas
tecnologías en productos futuros?
¿Tiene la compañía un plan estratégico para introducir nuevas tecnologías en el desarrollo de nuevos
productos? ¿Está éste basado en una asignación de presupuesto y estimados del beneficio esperado?
¿Hay un procedimiento en el lugar para decidir qué debe ser tratado internamente y qué externamente?
¿La compañía administra el conocimiento apropiadamente?
¿La compañía administra sus ventajas de propiedad intelectual (patentes, derechos de autor, marcas
registradas, secretos industriales y el know how)?
Cada pregunta en los cuestionarios anteriores se debe calificar en la escala 1 a 3.
■ Puntos fuertes de acción y oportunidades de mejoramiento. El equipo debe

valorar la eficiencia del proceso actual llenando una matriz, según el modelo mostrado
en la tabla 2. Este documento debe describir los indicadores básicos de resultados juntos
con la calificación obtenida en el cuestionario de autoevaluación, así como identificar
las oportunidades de mejoramiento, especialmente en esos ámbitos claves donde la
calificación máxima no ha sido lograda.
Tabla 2. Valoración de la eficiencia del proceso.
Ingrese la calificación dada en el cuestionario Número de pregunta
Aspecto 1 2 3 4 5
1. Cultura de la innovación
2. Creación de conceptos nuevos
3. Desarrollo de productos
4. Rediseño proceso de producción
5. Rediseño proceso de mercadeo
6. Gestión del conocimiento y de la tecnología
Benchmarking. Antes de emprender una acción correctiva, debe analizar qué hacen
mejor las compañías líderes y por qué ellos lo hacen mejor. Las compañías tienden a
aprender más de otras compañías, especialmente sus competidores, que de algún modelo
teórico.
Plan de acción. El equipo debe llegar a un acuerdo con respecto a las áreas de
mejoramiento y poner sus prioridades. Además, debe determinar las causas de los
defectos y procurar identificar un modelo de excelencia para cada tarea. ¿Qué acciones
en empresas
colombianas
debe ser realizadas para lograr excelencia? ¿Qué indicadores deben ser utilizados para
evaluar el progreso? Para cada acción de mejora debe haber un encargado y establecer una
fecha límite, luego esta información debe ser registrada en la matriz para poder realizar
el seguimiento.
Independiente, de la etapa del proceso de innovación en que se esté, se puede
modelizar el proceso de conformación de grupos. En particular, el modelo de redes de
colaboración en Netlogo ilustra cómo el comportamiento de individuos en la conformación
de equipos pequeños para proyectos a corto plazo puede dar lugar a una variedad de
estructuras de red a gran escala a través del tiempo. El modelo es una adaptación del
modelo de conformación de grupos presentado por Guimera y otros [2005]. Las reglas del
modelo están basadas en las observaciones de las redes de colaboración que se extienden
de las producciones de Broadway a las publicaciones científicas en psicología y astronomía.
Muchas de las características generales encontradas en las redes de empresas creativas se
pueden capturar por el modelo de conformación de grupos con dos parámetros simples:
la proporción de nuevos participantes en el grupo y la propensión para que colaboradores
experimentados trabajen otra vez el uno con el otro.
Cooperación. La cooperación ha sido clave en la evolución de varias especies, de

organismos unicelulares sin alguna capacidad cognoscitiva cualquiera, a especies diversas
de pájaros y peces, de primates no humanos como chimpancés y monos capuchinos
a humanos, donde el papel de cooperación puede haber sido más evolutivamente
significativo. El estudio de la teoría de redes, los sistemas complejos, y la dinámica no
lineal se ha extendido por toda la ciencia.
Precisamente, en Netlogo se presenta un modelo de la biología evolutiva. En
él, los agentes (vacas) compiten por los recursos naturales (el pasto). Las vacas que
son más acertadas en conseguir el pasto se reproducen más a menudo, y serán así
más evolucionariamente exitosas. Este modelo incluye dos clases de vacas, egoístas y
cooperativas. Demuestra cómo hacen estas dos estrategias diferentes al competir una
contra la otra dentro de una población que se desarrolla en el tiempo. El modelo podría
adaptarse a los estudios de innovación, donde la cooperación desempeña un papel
importante.
Recolección y análisis de datos

Independiente del enfoque de simulación es necesario recolectar datos bien sea para
evaluar parámetros, disponer de valores iniciales de las variables y para efectos de validación.
Estos datos se pueden obtener utilizando cuestionarios, entrevistas estructuradas, la
observación y la medida. Los cuestionarios pueden ser utilizados para obtener información
detallada sobre los procesos de las empresas. Éstos incluyen tanto preguntas abiertas como
cerradas sobre la configuración de los procesos en términos de las etapas; el número y el
tipo de profesionales de las personas involucradas en los procesos; e información acerca
Redes de innovación 136 L . G . A staiza - L . C. T orres - S. E. M onroy
en empresas
colombianas
de los niveles de decisión, reglas de decisión, cualquier herramienta de decisión utilizada

y las técnicas empleadas.
Los gerentes o directores ejecutivos, vicepresidentes, directores y responsables de las
empresas de los sistemas considerados pueden completar los cuestionarios. Los datos de
los cuestionarios pueden ser utilizados para diseñar entrevistas semiestructuradas para
cada una de las organizaciones de los casos de estudio.
Las entrevistas pueden tener dos objetivos. El primero superar las limitaciones del
cuestionario de las encuestas tales como elementos sin respuesta o con sesgo, cuando
algunas de las preguntas no han sido contestadas y sin consistencia en la comprensión
de las preguntas. El segundo objetivo es lograr una comprensión más profunda sobre la
organización, los procesos, las reglas de decisión empleadas y el desarrollo del proceso de
innovación. La observación y la medida permiten recolectar datos de importancia para el
estudio del sistema bajo consideración.
Conclusiones
La modelización y la simulación representan una capacidad importante para analizar
y garantizar que la innovación cumpla su promesa de una productividad mejorada, y
de generación en general de riqueza para la comunidad. Para lograr el objetivo de una
productividad mejorada, un esfuerzo concentrado es requerido para simular un ciclo de
la innovación.
Dado que la DS es menos intensiva en el requerimiento de datos y fácil de modelizar
la dinámica o las relaciones de retroalimentación en el marco del supuesto de los usuarios
del modelo, es un enfoque adecuado en el modelizado de algunos aspectos del ciclo de la
innovación tal como la difusión del producto.
DS provee algunos beneficios importantes debido a que permite a la organización una
forma de asegurar que los beneficios del esfuerzo de la innovación no están comprometidos
por falta de una visión global. Sin necesidad de recursos adicionales, los objetivos del
esfuerzo de innovación con la visión global en mente pueden producir beneficios mayores
y perdurables para la organización y tener así una ventaja competitiva.
En la modelización por DS el ciclo de realimentación es la unidad de análisis.
Los sistemas dinámicos son deductivos, dado que son descritos por su estructura de
realimentación a un nivel acumulado. Eso es, los agentes o acontecimientos individuales
no importan mucho en los modelos de DS, ya que la dinámica de las estructuras
fundamentales es vista como dominante. Las estructuras de realimentación, por ejemplo,
en campos de estudio de las ciencias sociales, pueden llegar a ser tema de controversia ya
que las perspectivas sobre un problema y las percepciones del mismo pueden variar.
Construir un modelo, por tanto, es un proceso en el que el consenso de expertos con
respecto a la estructura de realimentación es esencial a la credibilidad de algún modelo
dado. Si la estructura de realimentación de un modelo capta la estructura de un sistema
de manera insuficiente, las deducciones resultantes pueden estar defectuosas, incluso si
en empresas
colombianas
el modelo hasta cierto punto empareja los datos históricos del sistema modelizado. Por
otro lado, si el modelo representa el problema sistèmico adecuadamente, los puntos de
apalancamiento para la intervención pueden ser identificados de forma bastante efectiva.
Esto, sin embargo, no es posible en un individuo sino en un nivel acumulado.
En contraste, el modelizado basado en agentes se centra en individuos que
interactúan por reglas generalmente sencillas. La conducta emergente resultante de
tales agentes como un sistema complejo es la unidad básica del análisis. El enfoque es
inductivo. El investigador puede modificar reglas y parámetros ambientales y entonces
tratar de comprender qué representa los resultados con respecto a la conducta emergente
del sistema general.
Para resumir, los modelos basados en agentes son útiles cuando:
El interés es analizar tanto el nivel macro como el micro (por ejemplo, la adopción
[micro] y la difusión de innovaciones [macro]).
A Los sistemas sociales pueden ser descritos fácilmente por escenarios “que sí” pero
no por ecuaciones diferenciales (por ejemplo, las culturas organizativas).
A Los fenómenos emergentes pueden ser observados (por ejemplo, la emergencia de
innovaciones).
^ Los sistemas coevolutivos interactúan en el mismo ambiente (por ejemplo, mercados
competitivos).
El aprendizaje o la adaptación ocurre dentro del sistema (por ejemplo, la colaboración
I&.D).
El espacio físico y el espacio temporal son de interés (por ejemplo, las redes de
cadenas de suministro).
La población es heterogénea o la topología de las interacciones es heterogénea y
compleja (por ejemplo, las redes sociales).
El enfoque basado en agentes permite al modelador captar comportamientos de

los agentes con mucho más detalle que lo que es posible en cualquier modelo basado en
ecuaciones. La historia, el aprendizaje, las preferencias y los contactos, son ejemplos de
tal conducta. Captar estos detalles permite predicciones de más alta calidad.
Ambas técnicas apuntan a lugares de apalancamiento en sistemas complejos,
los constructores de modelos basados en agentes investigan en las reglas y los agentes,
mientras que en la DS lo hacen en la estructura de realimentación de un sistema.
A pesar de la simplicidad en el planteamiento de un autómata celular, éste puede
representar fenómenos realmente complejos, debido a que presentan comportamientos
evolutivos propios de la naturaleza, tales como el modelo de Schelling o los modelos
presentados en Netlogo.
De los diferentes modelos presentados, se puede ver que en general el enfoque
basado en agentes puede capturar más fenómenos de la vida real que con el enfoque de
dinámica de sistemas o de sucesos discretos. Esto no significa, que la modelización basada
Redes de innovación 138 L. G. A staua - L. C. T orres - S. E. M onroy
en empresas
colombianas
en agentes sea un reemplazo para el modelado de dinámica de sistemas o sucesos discretos.

Hay muchos usos donde el modelo de dinámica de sistemas o de sucesos discretos puede
solucionar de manera eficiente el problema; por otra parte, la modelización basada en
agentes para muchos de tales usos no tendría mucho sentido ya que es menos eficiente,
o no empareja con la naturaleza del problema. Siempre que éste sea el caso, los enfoques
tradicionales se deben utilizar sin ninguna vacilación, y hay muchas herramientas
comerciales disponibles, tales como AnyLogic, Repast, Swarm y Netlogo, entre otros.
Adicionalmente, también se debe considerar la utilización de diferentes enfoques
de modelización para cada una de las etapas del ciclo de innovación y aún más la
reutilización y la composición de modelos existentes validados que pueden prevenir de
muchos paradigmas diferentes.
De la observación de los diferentes ejemplos de modelización aquí presentados se
puede concluir la importancia que reviste para el ciclo de innovación el uso de los mismos.
Sin embargo, escoger el enfoque de modelizado y el nivel de abstracción adecuado a los
objetivos del proyecto es la clave del éxito, quedando como reto su empleo en un medio
como el nuestro a nivel de la pequeña y mediana industria y de forma tal que responda a
los interrogantes que se puede hacer un gerente al enfrentar los retos de la innovación.
View publication stats

Modelizacion Y Simulación de La Innovación: August 2011

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Modelizacion Y Simulación de La Innovación: August 2011

Cargado por

Copyright:

Formatos disponibles

See discussions, stats, and author proﬁles for this publication at: https://www.researchgate.

MODELIZACION Y SIMULACIÓN DE LA INNOVACIÓN

Chapter · August 2011

Luis Carlos Torres Soler Sonia Esperanza Monroy

SEE PROFILE SEE PROFILE

Creativity and complexity in the classroom View project

The user has requested enhancement of the downloaded ﬁle.

Indudablemente el proceso de producción ha experimentado cambios sustanciales a

da ventajas a las empresas en el proceso de innovación. En particular, el gerente en su

Para responder a estas preguntas, se puede recurrir al uso de técnicas formales, y a

CIENCIA O LA TECNOLOGÍA, SINO UN CAMBIO EN EL ÁMBITO ECONÓMICO Y SOCIAL, UN CAMBIO EN

LA CONDUCTA DE LAS PERSONAS COMO CONSUMIDORES O PRODUCTORES, COMO CIUDADANOS, ETC.

Schumpeter, desde el punto de vista económico-empresarial, define la innovación

La innovación es el valor agregado a través de aplicar ideas creativas a un problema

Actualmente, ideas creadoras provienen de una recombinación de ideas existentes

Dentro del proceso de innovación, la tecnología desempeña un papel fundamental,

LOS QUE SU CARÁCTER SISTÈMICO ES EL RESULTADO DE INTERACCIONES, PROCESOS, PROCEDIMIENTOS

E INSTITUCIONALIZAC1ÓN. ACTIVIDADES DENTRO DE TAL RED IMPLICAN LA CREACIÓN, COMBINACIÓN,

INTERCAMBIO, TRANSFORMACIÓN, ABSORCIÓN Y EXPLOTACIÓN DE LOS RECURSOS DENTRO DE UNA

AMPLIA GAMA DE RELACIONES FORMALES E INFORMALES.

En forma simple: una red es un conjunto de actores (personas, organizaciones)

Las innovaciones pueden considerarse como resultados emergentes e impredecibles

Agente and Organizations of the Future Carnegie Mellon University.

Agentes Conocimientos Tareas Organizaciones

Redes de Redes de Redes de competencia

Un cambio en cualquiera de estas tres redes potencialmente puede resultar en una

comportamiento. Esto ha demostrado ser una herramienta poderosa para aprender,

Educación. En lugar de utilizar la simulación con fines de entrenamiento, la simulación

Perspectiva de la Dinámica de Sistemas Perspectiva Sucesos Discretos

Escuetas de la práctica de la simulación

Dinámica de sistemas. Implica la identificación de las variables de “estado” claves,

Simulación de sucesos discretos e innovación

Entidades: los objetos que comprenden el sistema.

Pre-in novacíón Creación Id« a Desarrollo com ercial Institucionalizar ion

parte en dos áreas principales: primero, comprendiendo los flujos en el proceso de

Stamboulis, Yeorylos. [2008], Exploring the System Dynamics o f Innovador Systems.

La pregunta entonces es cómo se orientan los compromisos para lograr el desempeño

El aprendizaje de doble ciclo (véase Figura 9) en un contexto de interacción e

Figura 9. Aprendizaje de doble ciclo en un contexto de Interacción.

Finalmente, el aprendizaje de triple ciclo facilita los cambios de expectativas del

Estos tres conjuntos de tipos de aprendizaje operan como mecanismos de ampliación

Figura 11. Modelo del ciclo de realimentación de firmas innovadoras.

Model & Sun/ival ¿

Así mismo, en la Figura 12 se presenta el submodelo de la energía empresarial.

Model & Survival Strategy.

El objetivo de este enfoque de modelamiento es permitir la compenetración en

El modelo de DS presentado en la Figura 12 sirve como un primer enfoque en las

Analysis of the Interdependencias.

Tanto los modelos de dinámica de sistemas como los ilustrados ofrecen un

M odelización basada en agentes

Algunas características claves de los modelos basados en agente son:

^ Los agentes sólo requieren el conocimiento y la visibilidad local.

El proceso de construcción de modelos basados en agentes, sigue los pasos

el ambiente, y las metas del modelo de simulación basado en agentes. Un mapa

García Rosanna [20051, plantea que el modelamiento basado en agentes varía de

Otra diferencia importante entre modelos basados en agentes y otras técnicas

Modelos de autómatas celulares

Optimización Base de datos

Entre los tipos de integración de los modelos están:

Patterson M.M., Anthony [2002], plantea que el uso de simulación y el modelado

Software para modelización y simulación

Swarm. Diseñado como un lenguaje general y como una caja de herramientas

instrumentos específicos para ningún dominio en particular. El swarm fue diseñado